Oleh:
DESI PUSPITA SARY
15420008
ERY SANJAYA
15420014
LENI HERLINA
15420021
LUSI YULIYANTI
15420024
SELAMET KUNTORO
15420041
ENTINAYATI
15420085
AHMAD AMSORI
15420142
RINO AGUSTIAN PRAJA 15420154
RITA IRAWATI
15420038
KELAS MPK A
diandalkan.
Penyakit jantung adalah penyebab utama kematian di Amerika Serikat, dan penyakit
jantung koroner menyumbang lebih dari 60% dari semua insiden penyakit jantung. Selain itu,
peristiwa serangan jantung dapat mengakibatkan beberapa komplikasi seperti gagal jantung,
penyakit jantung katup dan aritmia. Untuk mencegah kejadian miokard infark, pengurangan
risiko yang tepat diketahui berhubungan dengan penyakit jantung koroner termasuk merokok,
hipertensi, hiperlipidemia, obesitas, dan diabetes mellitus dan kemajuan pelacakan sangat
penting. Untuk mempromosikan identifikasi informasi yang relevan dengan risiko penyakit
jantung dan melacak perkembangan penyakit yang didokumentasikan dalam catatan medis
elektronik (EMRs), ini mengembangkan kerja sistem dengan menyebutkan konsep medis
termasuk item berikut: nama penyakit diabetes dan penyakit arteri koroner (CAD); tes terkait
seperti hemoglobin terglikasi (HbA1C) dan hasil tes; peristiwa dan gejala CAD; dan pengukuran
yang berkaitan dengan diabetes, hiperlipidemia, hipertensi, dan obesitas termasuk gula darah /
tekanan, kadar kolesterol, low-density lipoprotein (LDL) level, massa tubuh Indeks (BMI), dan
lingkar pinggang.(1)
Bahan-Bahan Dan Metode-Metode
sistem NTTMUNSW
Diagram NTTMUNSW merupakan sistem karya bersama Universitas Nasional Taitung (NTTU),
Taipei Medical University (TMU), Universitas New South Wales (UNSW) dan Taiwan
Academia Sinica.
NTTMUNSW diolah
mengidentifikasi penyakit sesuai faktor risiko dan obat-obatan. Selanjutnya, Komponen atributwaktu assigner menggunakan contextaware diusulkan algoritma dengan dua parameter berbagai
konteks yang berbeda untuk menentukan atribut waktu relatif dari konsep medis. Setting
parameter rentang menentukan ekspansi maksimal algoritma.(1)
Pengembangan Pengenal Konsep Medis (2)(3)(4)
-
Pengenalan konsep
Pengenalan faktor risiko lain
Pengenalan obat
Waktu-atribut assign(5)(4)
-
sementara yang terdekat dengan Konsep target sebagai ekspresi sementara terkait dan
membandingkan deskripsi dengan DCT.(1)
Kesimpulan
Evaluasi pada tes i2b2 set menunjukkan kemanjuran pendekatan yang diusulkan, yang dicapai Fskor 0,897.(1)
DAFTAR PUSTAKA
1.
Chang NW, Dai HJ, Jonnagaddala J, Chen CW, Tsai RTH, Hsu WL. A context-aware
approach for progression tracking of medical concepts in electronic medical records. J
Biomed Inform. Elsevier Inc.; 2015;58:1507.
2.
3.
H.J. Dai, P.T. Lai, Y.C. Chang RTT. Enhancing of chemical compound and drug name
recognition using representative tag scheme and fine-grained tokenization, J. Cheminform.
7 (Suppl. 1). 2015;
4.
H.-J. Dai, S. Syed-Abdul, C.-W. Chen C-CW. No Title. Recognit Eval Clin Sect Head Clin
Doc using token-based Formul with Cond random fields BioMed Res Int. 2015;
5.
6.
Y.C. Chang, H.J. Dai, J.C. Wu, J.M. Chen, R.T. Tsai WLH. No Title. TEMPTING Syst a
hybrid method rule Mach Learn temporal Relat Extr patient Disch Summ J Biomed
Inform 46. 2013;
7.
A. Stubbs U. No Title. Annot Risk Factors Hear Dis Clin Narrat Diabet Patients, 58S.
2015;